#문제 1
1. Series 데이터에서 loc은 index number로 , iloc은 index 이름으로 데이터를 가져온다. (X)

2. Pandas의 DataFrame에서 열(column)을 삭제할 때 drop 함수를 사용하며, 이때 axis=1로 설정해야 한다. (O)

3. Pandas에서 groupby 메소드를 사용한 후, 바로 mean 함수를 호출하면 그룹별 평균을 계산할 수 있다. 그러나 이때, 자동으로 원래의 인덱스가 복원된다. (X)

4. Pandas는 Series와 DataFrame이라는 자료형을 이용하여 데이터를 처리한다. (O)

5. 열을 추가할 때는 df['col3'] = [4, 5, 6], 행을 추가할 때는 df['loc3']=[7, 8, 9]를 입력한다. (X => 열을 추가할 때는 df['col3’]=[4,5,6], 행을 추가할 떄는 df.loc[index]=[7,8,9])

6. df["product"].head(4) 는 product라는 series data에서 임의의 4개의 데이터를 불러온다. (X)

7. A에는 index가 [a,b,c,d,e]이고 B의 index는 [b,c,d,e,f]일 때  A.add(B)를 수행하면
index a에 출력되는 값은 index a의 기존 데이터값이다.(X)

8. s의 index를 [9,8,7,6,5,4,3,2,1]로 지정했을 때 s.iloc[5]를 입력하면 index 9부터 index 4까지의 값이 출력된다. (X)

9.  'pd.read_csv()' 함수를 이용하면 CSV 파일을 Series로 읽어들인다. (X)

#문제 2

Q.1) 다음 표를 pandas에 DataFlame으로 만들어서 df라는  변수에 저장하였다.다음 문제들을 답하시오.
	A	B	C	D
0	1	2	3	4
1	5	6	7	8
2	9	10	11	12
3	13	14	15	16

	1.	 특정 B라는 column 에 있는 데이터들만 가져올 때 df.B 또는 df[“B”]  두가지 방식으로 가져올 수 있다. (O)
	

Q.2)	df[[“A“,”C”]].head(2)을 실행하면 
	A	C
1	5	7
        을 출력한다. (X)
	
Q.3)	 df.drop(“D”,axis=1)을 실행하면 축을 기준으로 데이터의 “D”라는 열의 데이터가 삭제되어 출력된다. (O)

Q.4)  아래의 코드에서 Series를 생성하고 각 요소에 접근하는 방법에 대해 설명하세요.

import pandas as pd

data = [100, 200, 300, 400, 500]
series = pd.Series(data)

(=> iloc 정수,  loc 라벨, [] 인덱스 지정, 이와 같이 세 가지 방법으로 접근 가능)

Q.5) Pandas Series의 인덱싱과 슬라이싱은 어떻게 이루어지며, 이 과정에서 Python의 기본 리스트와의 차이점은 무엇인지 설명하시오.

(=> python과 같이 정수, 라벨로도 데이터 접근 가능하다. 단, python과 달리 pandas는 문자도됨. [‘a’:’c’])

Q.6) 다음과 같은 결과가 나오도록 빈칸을 채우시오.

<코드>
import pandas as pd
data = {_______________________________}
df = pd.DataFrame(data)
print(df)

<결과>
  col1  col2
0    a     1
1    b     2
2    c     3

(=> 'col1': ['a', 'b', 'c'], 'col2': [1, 2, 3])

Q.7) import pandas as pd

data = {
    'Product': ['Espresso', 'Latte', 'Espresso', 'Cappuccino', 'Latte', 'Espresso'],
    'Price': [2.0, 3.5, 2.0, 4.0, 3.5, 2.0]
}
df = pd.DataFrame(data)

이 코드에서 배열 ['Espresso', 'Latte', 'Cappuccino']를 출력하는 코드를 작성하시오 (강의에서 배운 함수활용)

(=> unique_products = df['Product'].unique())